Афанасьев Д.О., Федорова Е.А., 2016

Energy Economics 56, 432-442

DOI: 10.1016/j.eneco.2016.04.009

Статья на ScienceDirect

Препринт доступен для скачивания здесь Munich Personal RePEc Archive

Аннотация

В данной работе предлагается улучшенный подход к выделению тренд-циклической составляющей в ценах на электроэнергию, основанный на декомпозиции по полной системе эмпирических мод с адаптивным шумом (CEEMDAN). Вводится объединенный критерий (статистический, энергетический, отношения числа пересечений нуля и низкочастотный) для определения числа мод, включаемых в тренд. Выполнено сравнение предлагаемого подхода с методом на базе классического алгоритма декомпозиции на эмпирические моды (EMD), а также с широко распространенным в литературе по экономике энергетики — вейвлет-разложением. Чтобы понять насколько универсален подход на базе EMD мы тестируем его на 4х рынках электроэнергии на сутки вперед: ценовые зоны Европа-Урал и Сибирь российской биржи АТС, биржа PJM в США, а также биржа APX в Великобритании. Наши результаты показывают, что метод на базе CEEMDAN и объединенного критерия более эффективен, чем стандартный EMD, и на 2х исследованных рынках (PJM, APX) он превосходит вейвлет сглаживание, а на 2х других (АТС Европа-Урал, АТС Сибирь) оказывается как минимум не хуже его. При этом предлагаемый метод не требует экспертного выбора параметра сглаживания, как в случае с вейвлет-декомпозицией, и демонстрирует определенную степень универсальности для исследованных в работе рынков.

Ключевые слова

рынок электроэнергии; фильтрация тренда; долгосрочная сезонная компонента; декомпозиция на эмпирические моды; вейвлет-декомпозиция

Авторские комментарии

Авторы выражают благодарность Гиленко Е.В. (к.э.н., Санкт-Петербургский государственный университет, Россия) и двум анонимным рецензентам за их ценные и стимулирующие комментарии по содержанию работы. Эта статья также существенно выиграла от ее обсуждения с участниками II Международной конференции «Modern Econometric Tools and Applications — EC2015» (Нижний Новгород, Россия), где был представлен пересмотренный вариант работы. Пожалуйста, ознакомьтесь с заявлением об ограничении ответственности.

Программные компоненты

Исходный код использованных в работе методов доступен в программной библиотеке адаптивного анализа данных ADAnalysis для Matlab™.